elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Mapping urban villages using fully convolutional neural networks

Mast, Johannes und Wei, Chunzhu und Wurm, Michael (2020) Mapping urban villages using fully convolutional neural networks. Remote Sensing Letters, 11 (7), Seiten 630-639. Informa Ltd. doi: 10.1080/2150704X.2020.1746857. ISSN 2150-704X.

[img] PDF - Postprintversion (akzeptierte Manuskriptversion)
1MB

Offizielle URL: https://www.tandfonline.com/doi/full/10.1080/2150704X.2020.1746857

Kurzfassung

Urban villages are a characteristic settlement type characterized by preserving their morphological characteristics embedded in sharp contrast in modern, high-rise developments found especially in fast growing urban agglomerations of China. They serve very important socioeconomic functions in terms of the provision of cheap housing for rural-urban migrants, but they are also considered controversial for local governments. Due to the unprecedented pace of urban growth, especially in the Pearl River Delta region (PRD), up-to-date information on the size and location of urban villages are mostly missing. Large-area but highly detailed data from earth observation platforms can provide crucial information for mapping urban villages based on their characteristic morphologies. This study deploys fully convolutional neural networks for mapping urban villages in the city of Shenzhen. Results of the underlying experiments show that very high mapping accuracies of 84% can be achieved.

elib-URL des Eintrags:https://elib.dlr.de/135349/
Dokumentart:Zeitschriftenbeitrag
Titel:Mapping urban villages using fully convolutional neural networks
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Mast, JohannesJohannes.mast (at) stud-mail.uni-wuerzburg.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Wei, ChunzhuNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Wurm, Michaelmichael.wurm (at) dlr.dehttps://orcid.org/0000-0001-5967-1894NICHT SPEZIFIZIERT
Datum:27 Mai 2020
Erschienen in:Remote Sensing Letters
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:11
DOI:10.1080/2150704X.2020.1746857
Seitenbereich:Seiten 630-639
Verlag:Informa Ltd
ISSN:2150-704X
Status:veröffentlicht
Stichwörter:urban villages, slums, deep learning
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Fernerkundung u. Geoforschung
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Deutsches Fernerkundungsdatenzentrum > Georisiken und zivile Sicherheit
Hinterlegt von: Wurm, Michael
Hinterlegt am:21 Jul 2020 11:05
Letzte Änderung:04 Dez 2023 15:36

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.